Heron：来自 Twitter 的新一代流处理引擎 （应用篇）

本文对比了 Heron 和常见的流处理项目，包括 Storm、Flink、Spark Streaming 和 Kafka Streams，归纳了系统选型的要点。此外实践了 Heron 的一个案例，以及讨论了 Heron 在这一年开发的新特性。

在今年6月期的“基础篇”中，我们通过学习 Heron 的基本概念、整体架构和核心组件等内容，对 Heron 的设计、运行等方面有了基本的了解。在这一期的“应用篇”中，我们将 Heron 与其他流行的实时流处理系统（Apache Storm 、Apache Flink、Apache Spark Streaming 和Apache Kafka Streams）进行比较。在此基础上，我们再介绍如何在实际应用中进行系统选型。然后我们将分享一个简单的案例应用。最后我们会介绍在即将完结的2017年里 Heron 有哪些新的进展。

实时流处理系统比较与选型

当前流行的实时流处理系统主要包括 Apache 基金会旗下的 Apache Storm、Apache Flink、Apache Spark Streaming 和 Apache Kafka Streams 等项目。虽然它们和 Heron 同属于实时流处理范畴，但是它们也有各自的特点。

Heron 对比 Storm（包括 Trident）

在 Twitter 内部，Heron 替换了 Storm，是流处理的标准。

数据模型的区别

Heron 兼容 Storm 的数据模型，或者说 Heron 兼容 Storm 的 API，但是背后的实现完全不同。所以它们的应用场景是一样的，能用 Storm 的地方也能用 Heron。但是 Heron 比 Storm 提供更好的效率，更多的功能࿰